摘要

传统的错误数据修复方法由于对错误特征存在提取误差大的问题,导致其修复精度低、修复后的数据完整度低、修复的执行率差。针对上述问题,提出了基于深度学习的网络通信错误数据修复方法。首先根据深度学习理论提取网络通信中错误数据的特征,然后对错误数据进行相关性分析,获取其随机变量以及Kendall相关系数,再结合相关性分析结果构建灰色GM错误数据修复模型,将网络通信中的错误数据放入模型中进行求解,从而完成对网络通信错误数据的修复。测试结果表明,应用上述方法修复网络通信错误数据后,执行率及修复结果的精度较高,且修复后的数据完整度高。